基于灰度共生矩阵的纹理分析的统计方法

天津农学院学报 ›› 2014, Vol. 21 ›› Issue (2): 33-38.

基于灰度共生矩阵的纹理分析的统计方法

陈成钢¹, 艾涛²

1. 天津城建大学理学院,天津 300384;
2. 上海中兴通讯技术有限责任公司,上海 201203

收稿日期:2013-01-28 发布日期:2019-10-21
作者简介:陈成钢（1976-）,男,山东菏泽人,副教授,硕士,主要从事概率统计方向研究。E-mail：chenchenggang@yeah.net。

Statistical Method of Texture Analysis Based on Gray Co-occurrence Matrix

CHEN Cheng-gang¹, AI Tao²

1. College of Fundamental Subject, TIUC, Tianjin 300384, China;
2. Shanghai Zhongxing Communication Technology Limited Liability Company, Shanghai 201203, China

Received:2013-01-28 Published:2019-10-21

摘要/Abstract

摘要： 由于影像图像纹理性强,这使得对于压缩后图像纹理质量的要求显得更加严格。然而,目前的影像图像压缩技术对压缩后图像的纹理效果处理不佳。本文将图像的灰度信息加进灰度共生矩阵,使得灰度矩阵能包含图像的纹理基元及其排列信息,并给出了统计分析方法。结果表明,与传统的压缩方法相比,文中提出的新方法更好地保留了原始图像的纹理效果及其相关信息。

关键词: 影像图像, 灰度共生矩阵, 纹理分析, 统计方法

Abstract: The strong texture characteristics of image produce more stringent requirements for the texture qualities of the compressed image. However, the treatment effect of the compressed image texture is poor based on the current video compression technology. The experiment puts the gray information of images into gray co-occurrence matrix and the gray matrix can contain the image texton and arrangement information, and the method of statistical analysis is given. The results show that compared with the traditional compression methods, the new method proposed in this paper is better in retaining the texture effect and relevant information of original images.

Key words: image, gray co-ocurrence matrix, texture analysis, statistical method

中图分类号:

TP391

陈成钢, 艾涛. 基于灰度共生矩阵的纹理分析的统计方法[J]. 天津农学院学报, 2014, 21(2): 33-38.

CHEN Cheng-gang, AI Tao. Statistical Method of Texture Analysis Based on Gray Co-occurrence Matrix[J]. Journal of Tianjin Agricultural University, 2014, 21(2): 33-38.

导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks

链接本文: http://xuebao.tjau.edu.cn/CN/

http://xuebao.tjau.edu.cn/CN/Y2014/V21/I2/33

参考文献

[1] 冯莉,李满春,李飞雪. 基于遗传算法的遥感图像纹理特征选择[J]. 南京大学学报,2008,44(3):2008.
[2] Bharati M H,Liu J J,Mac G.Image texture analysis:Methods and comparisons[J]. Chemometrics and Intelligent Laboratory Systems,2004,72(1):57-65.
[3] 李伟芳,滕奇志,汪华章. 基于分块直方图和共生矩阵的图像检索方法[J]. 电子测量技术,2009,32(1):1-3.
[4] 刘丽,匡纲要. 图像纹理特征提取方法综述[J]. 中国图象图形学报,2009,14(4):623-635.
[5] 李亚标,王宝光,李温温. 基于小波变换的图像纹理特征提取方法及其应用[J]. 传感技术学报,2009,22(9):1308-1311.
[6] 马莉,范影乐. 纹理图像分析[M]. 北京:科学出版社,2009:1-2.
[7] 张强,王正林. 精通MATLAB图像处理[M]. 北京:电子工业出版社,2009:176-178.
[8] 冯建辉,杨玉静. 基于灰度共生矩阵提取纹理特征图像的研究[J]. 北京测绘,2007(3):19-22.
[9] 贺晓建,王福明. 基于灰度共生矩阵的纹理分析方法研究[J]. 山西电子技术,2010(4):89-90.
[10] 王熊,张翔. 成像测井图像纹理特征提取的统计方法研究[J]. 石油天然气学报,2012,34(4):83-85.
[11] 苑丽红,付丽,杨勇,等. 灰度共生矩阵提取纹理特征的实验结果分析[J]. 计算机应用,2009,29(4): 1018-1021.
[12] 焦蓬蓬,郭依正,刘丽娟,等. 灰度共生矩阵纹理特征提取的Matlab实现[J]. 计算机技术及发展,2012,22(11):169-171.
[13] 余丽萍,黎明,杨小芹,等. 基于灰度共生矩阵的断口图像识别[J]. 计算机仿真,2010,27(4):224-227.
[14] 杨浩,罗扬. 基于灰度共生矩阵的边缘检测方法[J]. 智能计算机与应用,2012,2(6):42-45.
[15] 许舒斐,吴淑莲,李晖. 基于灰度共生矩阵的人体皮肤纹理分析[J]. 激光生物学报,2011,20(3):324-326.
[16] 高程程,惠晓威. 基于灰度共生矩阵的纹理特征提取[J]. 计算机系统应用,2010,19(6):195-197.
[17] 王宏光,刘义范. 基于灰度共生矩阵的影像纹理特征研究[J]. 测绘通报,2013(3):28-30.
[18] 杨德坤,侯德文,步亚东. 灰度共生矩阵在纹理特征提取中的发展[J]. 信息系统工程,2012(1):134-136.
[19] 徐登云,王龙秀. 基于灰度共生矩阵对纹理特征的分析[J]. 西部资源,2012(2):112-114.
[20] 支力佳,张少敏,赵大哲,等. 基于灰度共生矩阵和梯度相位互信息的医学图像检索[J]. 东北大学学报,2010,31(3):358-361.
[21] 王波,姚宏宇,李弼程. 一种有效的基于灰度共生矩阵的图像检索方法[J]. 武汉大学学报,2006,31(9):761-763.